みんなのAIとは？
こんにちは。AI研究者のイ・ジョンヒョンです。コンピュータ工学を専攻し、現在は延世大学校人工知能修士課程で機械学習とディープラーニングを研究しています。
様々なAIコンペティションに参加し、企業で活用される多様なモデルを自ら開発してきた経験があります。その過程で一つの重要な教訓を得ました。テクニックも重要ですが、性能の差を決める核心は基礎への理解だということです。昨今はバイブコーディングでモデルを素早く実装できますが、期待どおりの性能が出ないときに原因を分析し改善するのは依然として容易ではありません。数学的基盤とAIの原理への理解がなければ、ボトルネックがどこで発生しているか構造的に把握するのは難しいです。
そこで、勉強しながらまとめた内容を基に、自分で学習プラットフォームを開発して公開しました。講義や教育が必要な方は、お気軽に rivolt2022@gmail.com までご連絡ください。ご案内します。
カリキュラム構成
プラットフォームは、基礎数学からディープラーニングの核心構造まで段階的に繋がるカリキュラムで構成されています。
📘 Part 1. 基礎数学とAI
- Ch.00 基礎数学とAI：AIの言語を学ぶ
- Ch.01 関数：入出力をつなぐAIの基本単位
- Ch.02 指数と指数関数：成長と活性化の数学
- Ch.03 対数関数：掛け算を足し算に、損失を設計する言語
- Ch.04 極限とε-δ：「限りなく近づく」を定義する
- Ch.05 連続性：途切れのない曲線、微分への扉を開く
- Ch.06 微分と導関数：瞬間の傾き、学習の羅針盤
- Ch.07 連鎖律：重なった関数を解く、逆伝播の核心
- Ch.08 偏微分と勾配：多変数の世界、勾配降下の方向
- Ch.09 積分：面積と累積、確率への橋
- Ch.10 確率変数と確率分布：不確実性を数で表す
- Ch.11 平均と分散：分布の中心と広がり
- Ch.12 一様分布と正規分布：初期化から予測まで
📗 Part 2. ディープラーニングの構造理解
- Ch.00 ディープラーニングの第一歩：AIはどう考える？
- Ch.01 ベクトル内積：データ間の類似性を見つける
- Ch.02 行列積：一括計算の魔法
- Ch.03 線形層：重要度を決める重み
- Ch.04 活性化関数：AIに判断力を加える
- Ch.05 人工ニューロン：情報を集め信号を送る単位
- Ch.06 バッチ処理：まとめて学習する
- Ch.07 重み接続：知能を形作る無数の鎖
- Ch.08 隠れ層：見えない思考の深さ
- Ch.09 深いニューラルネット：より複雑な問題を解く力
- Ch.10 幅とニューロン：一度に多くの特徴を見つける
- Ch.11 ソフトマックス：結果を確信に変える
- Ch.12 勾配と逆伝播：失敗から学ぶ方法
- Ch.13 総まとめ：AI地図を一目で
単純な概念まとめではなく、演算の流れを段階的に追いながら「なぜこう動くのか」を理解する方式で構成しています。可視化とインタラクション中心です。
学習方式
概念まとめを並べるのではなく、演算の流れを段階的に追いながら「なぜこう動くのか」を理解する方式で構成しています。可視化とインタラクションを中心に、直接計算してAIコーチの即時フィードバックで誤解を正せます。
今後の計画
機械学習を含め、様々なAI教育コンテンツを継続的に拡張していく予定です。ご興味のある方は rivolt2022@gmail.com までお気軽にご連絡くださいませ。
Chromeウェブストアに追加
Chrome拡張機能をインストールすると、新規タブで学習ページをすぐに開けます。
Chromeウェブストアに追加まだ初期バージョンですが、継続的に改善中です。フィードバックをお寄せいただければ積極的に反映いたします。